91ÌÒÉ«

Die Preissetzung auf Märkten wird zunehmend mit künstlichen, lernenden Agenten automatisiert. Beispiele sind Preisagenten im elektronischen Einzelhandel oder Bietagenten in Display Advertising Auktionen. Die ökonomischen Eigenschaften solcher Systeme sind allerdings noch wenig verstanden. Im Allgemeinen können Lernverfahren in spieltheoretischen Problemen zyklisches Verhalten zeigen oder sogar zu chaotischen Dynamiken führen. Im Forschungsprojekt ELUD beschäftigt sich das Team um Martin Bichler mit der Frage, ob und wann lernende Agenten zu einem effizienten, ökonomischen Gleichgewicht konvergieren und wann das nicht der Fall ist. Basierend auf erfolgreichen Vorarbeiten sollen neue Algorithmen zur Berechnung von Gleichgewichten konzipiert werden. Die Charakterisierung solcher Lernalgorithmen in spieltheoretischen Problemen unter Unsicherheit erfordert die Entwicklung formaler Verfahren an der Schnittstelle zwischen Informatik, Mathematik, und Wirtschaftswissenschaften.

ist an der . Er ist Sprecher des , verbunden mit der und ein Kernmitglied des . Prof. Bichler erhielt 2019 eine Förderung im Rahmen der .

Eine der größten Herausforderungen der computergestützten Mathematik liegt darin, nichtkonvexe Optimierungsprobleme zu lösen. Traditionelle iterative Algorithmen sind von zentraler Bedeutung für das wissenschaftliche Rechnen, beschränken sich aber in der Regel auf das Auffinden lokaler Optima. Im Projekt NEITALG will das Team um Massimo Fornasier neue, effiziente Algorithmen entwickeln, die bei nichtkonvexen Funktionen zuverlässig globale Lösungen finden und durch strenge mathematische Methoden gestützt werden. Dies könnte den Weg für wissenschaftliche Durchbrüche ebnen, beispielsweise bei der Erforschung neuer Medikamente durch die Optimierung molekularer Eigenschaften oder bei der Verbesserung von Materialien für die Solarenergie. Ein weiteres Ziel von NEITALG ist die Entwicklung interpretierbarer und lernfähiger Algorithmen mit starkem Generalisierungspotenzial, die zur Förderung einer sicheren und vertrauenswürdigen Künstlichen Intelligenz beitragen sollen.

ist an der . Darüber hinaus ist er Gründer des , Mitglied des Board of Directors des und Mitglied des Strategy Board des . Im Jahr 2012 wurde Prof. Fornasier bereits mit dem 91ÌÒÉ« Starting Grant ausgezeichnet.

Die Thymusdrüse ist eine Art T-Zellen-Schule. Dort werden unter den Vorläufern dieser Immunzellen diejenigen aussortiert, die später einmal körpereigene Zellen attackieren würden. Thomas Korn und sein Team haben herausgefunden, dass dazu auch andere Immunzellen, die B-Zellen, beitragen: Sie präsentieren den T-Zellen sogenannte Autoantigene und tragen dazu bei, dass T-Zellen, die diese als Bedrohung interpretieren, aussortiert werden. Treten in diesem Prozess Fehler auf, können Autoimmunerkrankungen entstehen – etwa Neuromyelitis optica, bei der das Autoantigen AQP4 fälschlicherweise als Bedrohung erkannt wird. Im Projekt BREAKING BAD will Thomas Korn die Mechanismen dahinter noch genauer untersuchen. Insbesondere wollen die Forschenden herausfinden, ob es durch vergleichbare Fehler dazu kommen kann, dass sich T-Zellen vermehren, die das Autoantigen Amyloid Vorläufer Protein (APP) als Bedrohung sehen. Dies wäre eine mögliche Erklärung für das Entstehen von Erkrankungen wie Alzheimer. Könnten man diese Prozesse beeinflussen, würden sich völlig neue Möglichkeiten für die Diagnose und Entwicklung neuer Therapien ergeben.

ist an der und Mitglied des Exzellenzclusters . Seine Forschung wurde unter anderem mit einem 91ÌÒÉ« Consolidator Grant gefördert.